美國新創公司Eta Compute在去年夏天的Hot Chips大會上展示了一款採用非同步(asynchronous)技術的超低功耗微控制器,該公司的最新進展是發表了一款號稱業界首創的神經形態(neuromorphic)平台。

Eta Compute共同創辦人暨行銷副總裁Paul Washkewicz在該公司於上週發表其採用台積電(TSMC) 55奈米ULP製程的最新系統單晶片(SoC)時表示,該晶片是「為行動與邊緣裝置提供以神經形態運算為基礎之機器智慧」的理想平台。

等一下…Eta Compute去年在Hot Chips大會上發表的0.25V物聯網(IoT)晶片,什麼時候變成「神經形態運算」引擎了?這家公司的策略調整了嗎?對此Washkewicz解釋,Eta是在「客戶開始告訴我們,他們在邊緣需要更多一點的智慧」時,朝著「機器智慧」(machine intelligence)這條路展開冒險。

Eta的神經形態運算方案包括兩大主軸,一是事件導向(event-driven)、無時脈延遲遲鈍非同步邏輯(delay insensitive asynchronous logic,DIAL)架構硬體,另一個是該公司的棘波神經網路(spiking neural network)軟體;DIAL架構是利用一種創新交握(handshake)方法喚醒以非常低之功耗水準閒置中的電路,系統能迅速開啟裝置,無須同步電路通常需要的設定與等待時間。

這家新創公司添加了更多智慧的策略路線修正,有部份是因為在去年秋天延攬了原隸屬英特爾(Intel)實驗室、任職資深首席工程師暨科學長的Nara Srinivasa;去年9月Srinivasa仍在英特爾時,他的老東家發表了一款神經形態人工智慧測試晶片Loihi,表示該測試晶片是模擬人類大腦功能,會吸收從周遭環境取得的資料。

現在Eta Compute擔任技術長的Srinivasa在一份聲明中表示:「我們專利的事件導向處理器架構DIAL,結合了我們支援全客製化的神經形態演算法;」他進一步指出:「這將是一系列顛覆性、廣泛之新應用的基礎,能將機器智慧導入網路邊緣。」

電腦模仿人類大腦並非全新概念,不過英特爾的Loihi人工智慧晶片與Eta Comupt的IP不該混為一談,因為後者所提供的技術並不完全相同;Washkewicz解釋,Eta的目標是結合非同步、無時脈、事件導向DIAL硬體架構,與Srinivasa和他的團隊所開發、以棘波神經模型為基礎的演算法。

市場研究機構Linley Group首席分析師Linley Gwennap對此抱持懷疑態度,他表示他還未與Eta交流過,但對該公司的訊息宣佈感到困惑:「神經形態運算是指利用IC來模仿大腦結構,典型的神經形態系統會配備人造神經元,能共同組合成特定類型的神經網路;這種運算方法自然與包括Cortex-M3在內的傳統馮諾曼(Von Neumann)架構CPU完全不同。」

因此Gwennap猜測,Eta Compute實際上是要發表一款「非常低功耗的Cortex-M3處理器核心設計,以及其他一些非常低功耗的IP核心;」畢竟「我們確實看到了遠端物聯網感測器以及特定可穿戴式設計對低功耗處理器的需求,這是一個在今天規模還很小的市場,但隨著物聯網越來越普及,可能會變得相當可觀。」

Eta最新的55奈米IP組合,包括Arm Cortex-M3處理器核心、恩智浦(NXP)開發的CoolFlux數位訊號處理器(DSP)、12位元SAR類比數位轉換器(ADC),經過最佳化的電源管理參考電壓,可提供高效率的電壓調節並支援低功耗類比區塊。

Washkewicz在接受EE Times採訪時表示,Eta Compute的非同步Cortex-M3嵌入式處理器,在65MHz頻率下運作時功耗僅2mW (milliwatts);此外該公司添加NXP的DSP到IP組合中,是因為機器智慧需要特定的訊號處理,而CoolFlux是非常低功耗、非同步DSP。

現階段Eta Compute不能為授權客戶提供完全成熟的軟體開發環境,不過Washkewicz指出:「我們正藉由在Arm處理器核心中將AI引擎硬線化(hardwiring),遵循幾乎類ASIC的模型;」在此同時,訓練則是由Eta Compute內部的軟體開發團隊來完成。

Eta Compute已經準備好提供新的IP平台樣品,Washkewicz透露該公司已經有幾家重要客戶,正在尋求將其IP整合到他們的晶片之方法;那些晶片的應用涵蓋語音辨識、感測器融合、穿戴式裝置、心律監測、影像(包括臉部辨識)等等。

在被問到其他潛在的授權客戶時,Washkewicz則表示:「我們能協助每一個Arm微控制器的使用者尋求智慧功能上的進展;」此外他也指出,ASIC供應商、還有中國的無晶圓廠IC設計業者都是他們看好的目標客戶。

編譯:Judith Cheng

(參考原文: Startup Runs Spiking Neural Network on Arm,by Junko Yoshida)